论文摘要
交通流量信息在智能交通系统管理中起着重要作用。随着交通流检测、采集技术的发展,海量的交通信息得以获取,为提高预测准确性提供了机会。论文建立了基于自动编码器和LSTM递归神经网络的交通流量预测模型,该模型首先利用自动编码器进行无监督的特征表示学习,训练自动编码器层参数,然后将自动编码器隐含层输出作为LSTM层输入,利用期望输出和实际输出误差调整LSTM层和输出层参数,分析挖掘北京市朝阳区的路口交通数据,实验结果表明提出的预测模型能够更好地反映路口交通流的变化特征。
论文目录
文章来源
类型: 期刊论文
作者: 史亚星
关键词: 车流量预测,自动编码器,深度学习
来源: 计算机与数字工程 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 北方工业大学计算机学院
基金: 北京市自然科学基金(编号:4162022)资助
分类号: U491.14;TP183
页码: 1160-1163
总页数: 4
文件大小: 1483K
下载量: 340